该论文分析了动态随机块模型下的经典谱聚类算法，提出了更加精细的 DSGB 的稀疏性和平滑度之间的关系描述，同时将保证扩展到了归一化拉普拉斯算子，从而提高了矩阵谱集中度误差下界的精度。

Feb, 2020

本文提出了用于网络中的聚类分析的一种新方法，利用谱聚类在随机块模型中发现社区和研究潜在空间模型下的特征向量。

Jul, 2010

研究了随机块模型中谱聚类在社区提取中的性能表现，并表明在最大期望度数的阶数为 $log~n$ 时，谱聚类应用于网络的邻接矩阵时，即使度数很小，也可以一致地恢复出隐藏的社区。

Dec, 2013

通过统计学的角度研究了有向图聚类问题，将聚类问题建模为有向随机块模型（DSBM）中估计底层社区的过程，并通过最大似然估计（MLE）推断出给定观察到的图结构的最可能的社区分配。此外，还建立了该 MLE 公式与新型流优化启发式算法之间的等价关系，该算法同时考虑了两个重要的有向图统计量：边密度和边方向。在此基础上，提出了两种高效且可解释的有向聚类算法，即谱聚类算法和基于半定规划的聚类算法。我们利用矩阵扰动理论中的工具给出了谱聚类算法中被错误聚类的顶点数量的理论上限。通过在合成数据和真实世界数据上定量和定性地比较我们提出的算法与现有的有向聚类方法，从而进一步验证了我们的理论贡献。

Mar, 2024

研究一种用于不规则网络与潜在属性的随机图模型，提出了一种计算有效性的光谱算法并展示了其可在部分可观察网络下进行渐近正确的推测，作为其分析的副产品，该模型提供了一种构建具有预先指定的特征谱的随机图模型的通用程序。

Jun, 2014

本文介绍一种通过嵌入过程估算随机块模型中节点的块成员资格的方法，并证明了该方法的一致性和可靠性，可用于大规模图形和参与虚拟谱聚类等应用。

Aug, 2011

本文介绍了一种新的谱聚类算法，它扩展了之前的算法结果，删除了对最小度数的假设，并通过统计模型来解释网络中出现的星形图案在本质上的性质。

Sep, 2013

本文提出一种新的数据驱动正则化方法来解决稀疏网络中恢复邻接矩阵集中性的问题，进而探讨了一种新的谱截断方法对一般 SBM 中的分类错误率的影响，并在模型的一些扩展，包括不均匀随机图模型和二元聚类问题中得到更优性能的证明。

Mar, 2018

本文提出并分析了一种简单且稳健的具有 $k$ 个节点的随机块模型的谱算法，解决了关于消隐块模型的一个未决问题。

Jan, 2015

本文证明了邻接谱嵌入可以用于完美聚类随机块模型和度校正随机块模型，以及更一般的随机点积图模型。

Oct, 2013